Sep, 2023

基于投影的模糊最小二乘双支持向量机在类不平衡问题中的应用

PDF
TL;DR通过使用基于模糊逻辑的方法来处理类别不平衡和有噪声的数据集，对几种基准数据集和合成数据集进行了实验评估，结果显示所提出的 IF-RELSTSVM 和 F-RELSTSVM 模型在性能上优于基准算法，并进行了统计检验以验证所提出算法的显著性。
class imbalancesupport vector machinefuzzy based approachintuitionistic fuzzy membershiphyperplane-based fuzzy membership
发现论文，激发创造
  • 支持向量机的类别不平衡学习方法：回顾与实证评估

    本论文对于基于支持向量机 (SVM) 及其变种的类不平衡学习方法进行了综述，将 SVM-based 模型按照类不平衡学习进行了层次分类，并比较了各个类别中各种模型的性能，发现融合方法表现最好，但计算负荷较大。对研究空白和未来研究方向进行了讨论。

    Jun, 2024

  • 鲁棒的双参数边距支持向量机用于多类别分类

    本文提出了一种双参数边距支持向量机（TPMSVM）模型来解决多类分类问题，该模型通过解决 TPMSVM 类型的模型构建分类器，并通过 Robust 优化技术来鲁棒化，初步实验结果表现良好。

    Jun, 2023

  • 基于模糊双支持向量机的三路不平衡学习

    本文提出了一种新的三态模糊隶属函数和三态模糊双支持向量机，将三态决策与机器学习中的标准二元分类模型 SVM 相结合，解决了 SVM 需要改进的不平衡分类问题。通过对 47 个不同数据集的比较实验，并从相同数据集中导出不同的不平衡比率的数据集，结果表明，所提出的模型显著优于其他传统的基于 SVM 的方法。

    May, 2023

  • 具有稳定学习规则的增强型 KNN 双支持向量机

    该研究提出了一种增强的、基于加权的正则化 KNN 双支持向量机，通过加权样本、增加稳定项和结合多距离 KNN 算法来解决 KNN-based TSVM 分类器的高计算成本和过拟合等问题，实验结果表明在分类准确度和计算时间上均有显著提高，最大加速比可达 14 倍。

    Jun, 2019

  • 原始形式下的拉普拉斯支持向量机训练

    本文提出两种解决原始 LapSVM 问题的策略，以改善在使用无标签数据进行分类时所遇到的问题，并在真实数据实验中验证了该方法的有效性。

    Sep, 2009

  • 加权支持向量机的稀疏学习和类概率估计

    我们提出了一种基于加权支持向量机的稀疏学习方法，结合了自动变量选择和准确的概率估计，既能有效地进行变量选择，又能可靠地估计概率。这种方法在自动变量选择和可靠概率估计方面具有巨大优势，并且适用于高维问题。

    Dec, 2023

  • 数据分类的一种 SVM 方法替代方案

    支持向量机（SVM）是一种流行的用于数据分类的核方法，本文提出一种基于最佳子空间的最小距离的新方法，以解决 SVM 存在的时间处理、高维情况下优化过程失败、多类别泛化、不平衡类别和动态分类的问题，并取得了类似的性能改进。

    Aug, 2023

  • 计算公平支持向量机的频谱算法

    本文阐述分类器和打分机制中存在一定的偏见，可采用协方差矩阵等方法设计公平的支持向量机模型，并通过数值实验验证其有效性。

    Oct, 2017

  • 带有不定核的支持向量机分类

    本文提出了一种利用不确定核的支持向量机分类方法，该算法可以同时计算支持向量和代理核矩阵，保持问题凸性并可以使用梯度投影或解析中心切割平面方法有效地求解较大的问题，在经典数据集上与其他方法的性能比较表明本技术的性能优于其他方法。

    Apr, 2008

  • 稀疏支持向量机的 Majorization-Minimization

    通过平滑的稀疏促进正则化的平方铰链损失最小化，研究了支持向量机的训练，并应用了基于主要化最小化方法的快速训练方法，提高了特征选择的性能，并在定量指标（准确率、精确率、召回率和 F1 值）以及计算成本方面表现出良好的性能。

    Aug, 2023